Optimal Service Provisioning in IoT Fog-based Environment for QoS-aware Delay-sensitive Application
本文提出PSO与CRO混合优化方法改进FogPlan框架，将雾服务分配建模为INLP问题，实验表明服务时延降低29.34%、成本降低66.02%、时延违规减少50.15%。
2023-10-08 cs.DC
Peer-to-Peer Cloud Provisioning: Service Discovery and Load-Balancing
本章介绍：（i）分层对等云供应架构;（ii）云供应的当前最新技术的总结，特别强调服务发现和负载均衡;（iii）现有对等网络管理模型的分类，重点是扩展用于索引和管理复杂供应信息的DHT;以及（iv）设计和实现新颖的可扩展软件结构（Cloud peer），该结构结合了公共/私有云、覆盖网络和结构化对等索引技术，以支持云计算环境中的可扩展和自管理服务发现和负载均衡。最后，提出了一个实验评估，证明了建立下一代云供应系统的基础上对等网络管理和信息传播模型的可行性。实验测试床已被部署在一个公共的云计算平台，亚马逊EC2，这表明了建议的对等云供应软件结构的有效性。
2009-12-10 cs.DC cs.NI
IoT based Platform as a Service for Provisioning of Concurrent Applications
当今时代，物联网（IoT）迅速发展。据统计，到2020年，将有200亿台设备连接到互联网。互联网连接设备的大量增加将导致大量的工作来有效地执行关键的并发应用程序，如火灾探测，基于医疗保健的系统，灾难管理，高能物理，汽车和医学成像。为了加快新应用的出现，这个庞大的基础设施需要“平台即服务（PaaS）”模型来利用物联网事物。由于所有设备类型的单一全球标准和基于物联网的应用领域是不可行的，我们提出了一个基于物联网的云利用PaaS模型在本文中。该模型可以为无线传感器网络（WSN）的并发应用提供服务。该模型通过为特定的容器唯一地分配网络接口来提供进程间的通信接口。
2017-11-29 cs.DC
A Cloud Infrastructure Service Recommendation System for Optimizing Real-time QoS Provisioning Constraints
云计算的普及已经彻底改变了基于互联网的应用服务的托管和交付。然而，随着几乎每个月都有大型云计算公司（例如，Amazon Web Service、Microsoft Azure）和小公司（例如Rackspace、Ninefold），决策者（例如应用程序开发人员、CIO）可能会被可用的选择所淹没。由于异构的服务配置和应用程序供应服务质量（QoS）的约束，决策问题进一步复杂化。为了应对这一严峻挑战，在我们以前的工作中，我们开发了一种半自动化的、可扩展的、基于本体的方法，用于仅基于设计时约束（例如，租赁成本、中心位置、服务特色等）。在本文中，我们扩展我们的方法，包括实时的【形】（运行时）的QoS（端到端的消息延迟，端到端的消息吞吐量）的决策过程。在线交互式游戏、大规模传感器分析和云服务上的实时的【形】移动应用领域中的下一代应用的托管需要优化这种实时的【形】QoS约束以满足服务水平协议（SLA）。为此，我们提出了一个实时的【形】的QoS感知的多标准决策技术，建立在众所周知的层次分析法（AHP）的方法。所提出的技术适用于选择基础设施即服务（IaaS）云产品，并且它允许用户定义多个设计时和实时的【形】QoS约束或要求。然后将这些需求与我们的知识库进行匹配，以计算IaaS层云服务的可能最佳组合。我们进行了大量的实验，以证明我们的方法的可行性。
2015-04-08 cs.DC
Security Aware Mobile Web Service Provisioning
移动数据服务与大量Web服务的结合似乎是当前信息研究中的突破性领域。实际上，这些移动Web服务将为令人兴奋的性能和安全挑战铺平道路，这些挑战是需要解决的核心问题。在安全方面，尽管有线网络中存在许多标准化的安全规范和实现，但在无线环境中分析和标准化的并不多。本文讨论了一些关键的挑战，在提供安全的移动Web服务域。我们首先探讨了移动Web服务及其关键的安全问题，特别关注基于我们实现的移动Web服务提供商的配置。随后我们讨论了有线和无线Web服务中最先进的安全意识，最后结合性能分析结果讨论了移动Web服务提供的安全实现。
2010-07-21 cs.DC cs.NI
Stringer: Balancing Latency and Resource Usage in Service Function Chain Provisioning
网络功能虚拟化（NFV）使电信基础设施提供商能够用运行虚拟化网络功能（VNF）的商品服务器取代专用网络设备。利用NFV技术的服务提供商面临将VNF实例分配给物理基础设施（例如，数据中心）和路由服务功能链（客户所需的功能序列，也称为SFC）在物理网络中。在这样做时，提供者必须在性能和资源使用的各种竞争目标之间进行平衡。我们提出了一种方法，为证监会提供，包括三个要素。第一个要素是快速、可扩展的循环启发式。第二个要素是基于混合可编程（MIP）的方法。第三个要素是一个延迟理论模型，用于估计与任何SFC配置解决方案相关的平均延迟。结合这些元素，创建一种方法，生成一组SFC配置解决方案，反映资源使用和性能之间的不同权衡。
2016-06-09 cs.DC cs.NI
A Cloud Platform-as-a-Service for Multimedia Conferencing Service Provisioning
多媒体会议是多方之间实时交换多媒体内容。它是广泛应用的基础（例如，多媒体多人游戏）。这些应用程序所依赖的基于云的会议服务配置将带来诸多好处，例如轻松的服务配置和弹性可扩展性。然而，这仍然是一个巨大的挑战。本文提出了一种用于会议服务提供的PaaS。所提出的PaaS基于最先进的业务模型。它依赖于会议IaaS，而不是VM，提供会议基底（例如，拨入信令、视频混合器和音频混合器）。PaaS支持动态地从底层组成新会议。这已经在本文中原型化，为了评估它，会议IaaS也实施。还进行了性能测量。
2016-05-01 cs.DC cs.MM cs.NI
A Cloud-based Approach for Context Information Provisioning
由于现代移动互联网使能设备的显著扩散以及无线和蜂窝数据网的广泛使用，移动用户越来越需要针对其当前环境定制的服务。高级上下文信息通常从上下文服务获得，该上下文服务聚合由各种传感器和移动设备感测到的原始上下文信息。鉴于大量的感测数据，传统的上下文服务缺乏必要的资源来存储和处理这些数据，以及传播高层次的上下文信息给各种潜在的上下文消费者。在本文中，我们提出了一种新的框架上下文信息提供，它依赖于部署上下文服务的云和使用上下文代理之间的调解上下文消费者和上下文服务使用的发布/订阅模型。此外，我们描述了一个多属性的决策算法选择潜在的上下文服务，可以满足上下文消费者的上下文信息的请求。该算法根据上下文消费者表达的服务质量（QoS）和上下文信息质量（QoC）要求，按上下文信息类型计算每个上下文服务的得分。这种方法的好处之一是，上下文提供者可以根据当前对上下文信息的需求，在他们使用的云资源方面向上和向下扩展。此外，选择算法允许排名上下文服务，通过匹配他们的QoS和QoC提供对上下文消费者的QoS和QoC要求。
2011-05-10 cs.DC
soCloud: A service-oriented component-based PaaS for managing portability, provisioning, elasticity, and high availability across multiple clouds
多云计算是支持超大规模全球分布式应用的一种有前途的范例。多云计算是指使用多个独立的云环境，它假设云提供商或第三方之间没有先验协议。然而，多云计算必须面对几个关键的挑战，如可移植性，供应，弹性和高可用性。开发人员不仅要将应用程序部署到特定的云，还必须考虑应用程序从一个云到另一个云的可移植性，以及跨多个云部署分布式应用程序。本文介绍了soCloud，一个面向服务的基于组件的平台即服务（PaaS），用于管理跨多云的可移植性、弹性、配置和高可用性。soCloud基于OASIS服务组件架构（SCA）标准，以解决可移植性问题。soCloud提供跨多个云管理配置、弹性和高可用性的服务。soCloud已经在十个现有的云提供商上进行了部署和评估：Windows Azure，DELL KACE，Amazon EC2，CloudBees，OpenShift，dotCloud，Jelastic，Heroku，Appfog和Eucalyptus私有云。
2014-07-08 cs.DC cs.SE
Distributed Application Provisioning over Ethereum based private and permissioned Blockchain: Availability modeling, capacity, and costs planning
本文针对基于以太坊的私有和许可区块链上的分布式应用部署问题，提出并评估可用性及面向容量的可用性模型，分析服务交付成本，所得结果也适用于其他区块链平台。
2025-02-14 cs.DC
A Software-Defined QoS Provisioning Framework for HPC Applications
随着大规模数据密集型高性能应用程序的出现，在高性能计算（HPC）环境中有效管理PB级信息方面出现了新的I/O挑战。数据管理环境必须满足这些应用程序的性能需求，这些需求由各种服务质量（QoS）度量表示，例如所需带宽、响应时间保证和资源利用率。传统的高性能管理平台在灵活性方面面临着相当大的挑战，并且需要解决各种QoS指标和约束。为了应对这些挑战，软件定义的方法被认为是有前途的，并且已经在基于云的数据中心中部署了各种原型。在本文中，我们调查的想法，利用软件定义的方法来提供高性能计算应用程序的I/O QoS配置。我们确定了HPC平台的高度并发性和变化的关键挑战，并提出了一系列新颖的设计到一般的软件定义的方法，以实现我们的目标。在传统令牌桶算法的基础上，提出了一种基于令牌桶的资源分配策略和一种新的M-LWDF算法，以保证HPC应用的资源公平有效地利用。针对当前高性能计算平台缺乏软件定义框架的问题，通过仿真对框架进行了评估。实验结果表明，我们的策略作出了显着的改进，一般HPC框架，并导致明确的性能增益HPC应用程序。
2018-05-16 cs.DC
Secure Communication and Access Control for Mobile Web Service Provisioning
由于无线设备和移动通信技术的进步，现在在智能手机上托管基本的Web服务是可行的。虽然应用程序是相当受欢迎的，提供安全和可靠的通信能力，在脆弱和易变的移动自组织拓扑结构是非常必要的。本文主要讨论的细节和问题，在提供安全的通信和访问控制的移动Web服务提供域。虽然可以提供基本的消息级安全性，但为移动主机提供适当的访问控制机制仍然是一个很大的挑战。本文讨论了安全通信的细节，提出了基于语义的分布式授权机制。
2010-07-21 cs.DC cs.NI
Context-Aware Trustworthy IoT Energy Services Provisioning
提出一种IoT能量服务提供框架，结合上下文感知信任评估模型与信任自适应组合技术，通过选择可信提供者保障消费者QoE并优化能量分配。
2023-09-27 cs.DC cs.SY eess.SY
A Cost-Aware Mechanism for Optimized Resource Provisioning in Cloud Computing
Islamic Azad University（伊斯兰阿扎德大学）；Amirkabir University of Technology（阿米尔卡比尔理工大学）；University of Human Development（人类发展大学）
本文提出一种基于学习自动机的优化资源供应方法ORP，在满足服务需求的同时降低云计算资源供应成本，并通过三类典型负载实验验证其有效性。
2023-09-20 cs.AI cs.DC
A broker-based framework for integrated SLA-aware SaaS Provisioning
在服务环境中，服务选择、服务级别协议（SLA）协商和SLA遵从性监控等问题通常以单独和不同的方式使用，这些方式影响消费者从其提供商处获得的服务质量。在这项工作中，我们提出了一个经纪人为基础的框架来处理这些问题的集成方式的软件即服务（SaaS）供应。SaaS代理通过使用实用程序驱动的选择算法来代表服务消费者选择合适的SaaS提供商，该算法对潜在SaaS提供商的QoS产品进行排名。然后，它根据服务消费者的质量要求与提供者协商SLA条款。监控基础设施通过使用从第三方监控服务获得的测量结果，在服务交付期间观察SLA遵从性。我们还定义了一个基于效用的讨价还价决策模型，该模型允许服务消费者表达她对每个协商质量属性的敏感性，并在每一轮谈判中评估SaaS提供商的报价。一个具有少量质量属性及其各自效用函数的用例说明了该方法。
2016-05-09 cs.DC cs.SE
Using Multiple Seasonal Holt-Winters Exponential Smoothing to Predict Cloud Resource Provisioning
弹性是云计算的关键特性之一，它吸引了许多SaaS提供商来最大限度地降低其服务成本。通过根据实际计算需求自动提供和释放计算资源来最小化成本。但是，延迟启动新的虚拟资源可能会导致违反服务级别协议。因此，预测云资源供应获得了大量的关注，以提前扩展计算资源。然而，目前大多数方法都没有考虑云工作负载的多季节性。提出一种基于Holt-Winters指数平滑法的云资源供应预测算法。该算法扩展了Holt-Winters指数平滑方法，使其能够对具有多个季节周期的云负载进行建模。采用人工蜂群算法对算法参数进行优化，提高了算法的预测精度。所提出的算法的性能进行了评估，并与双和三重指数平滑方法进行了比较。我们的结果表明，该算法优于其他方法。
2017-01-12 cs.DC
A Mediation Framework for Mobile Web Service Provisioning
Web服务和移动数据服务分别是有线和无线领域信息系统工程的最新趋势。Web服务具有广泛的服务分布，而移动电话具有庞大且不断扩大的用户群。为了解决Web服务与普及的移动设备和通信环境的融合，为智能手机开发了一个基本的移动Web服务提供程序。并对该移动主机的性能进行了详细的分析。进一步分析了移动主机在P2P网络中提供适当QoS的可行性，确定了中介框架的必要性。本文描述了与移动主机进行的研究，确定了中介框架的任务，然后讨论了可行的实现细节，这样一个移动Web服务中介框架。
2010-07-18 cs.DC cs.NI
Heuristic-based Optimal Resource Provisioning in Application-centric Cloud
云服务提供商（CSP）为其提供的服务采用不同的定价模式。一些模型适合于短期需求，而另一些模型可能适合于云服务用户（CSU）的长期需求。在本文中，我们看看在这个问题上找到的资源量预留，以满足CSU的长期需求，以最大限度地减少总成本的目的。找到最佳的资源需求，以满足CSU的资源需求，需要足够的研究工作。在过去的几年中，讨论了各种算法，以找到最佳的资源需求，但他们中的大多数是基于IPP，这是NP性质。在本文中，我们推导出一些基于几何的多项式时间算法，以找到一些接近最优解的问题。我们表明，CSU使用我们的方法的成本是可比的最优可编程问题（IPP）获得的解决方案。
2014-03-11 cs.DC
Terraform -- Automating Infrastructure as a Service
开发软件服务需要严格的软件开发生存周期和过程。这个过程需要通过源代码控制管理以及严格的版本控制和分支策略来控制所有应用程序代码。然而，平台和基础设施也受益于这种严格性。软件服务必须部署到目标运行时间环境中，而通过手动用户操作来配置该环境既繁琐又容易出错。随着资源数量的增长和遍布全球多个区域，手动配置也变得令人望而却步。答案是将开发应用软件的严格性应用于基础设施的配置。Terraform提供了一个平台，允许在代码中定义基础设施资源。该代码不仅允许基础设施配置的自动化，而且还允许严格的开发和审查生存周期，与应用软件相同。
2022-05-21 cs.DC cs.SE
Maximizing Consumer Satisfaction of IoT Energy Services
我们提出了一种新的体验质量（QoE）感知框架，以有效地众包物联网能源服务。拟议的框架利用提供能源服务作为辅助手段，以提高消费者的满意度。一种新的QoE模型被开发作为一个度量来评估消费者对能源服务供应的满意度。提出了两种新的组合算法，即基于部分（PB）和基于需求（DB）的方法，以确保最高的QoE的消费者。这两种方法都利用供应商的灵活性和能源服务的可共享性质来有效地分配服务并优化QoE。一组广泛的实验进行了评估所提出的方法的效率和有效性。
2022-09-08 cs.DC
Elastic Provisioning of Cloud Caches: a Cost-aware TTL Approach
我们考虑在云中提供弹性资源，重点放在用作缓存的内存键值存储上。我们的目标是动态扩展资源的流量模式，最大限度地减少整体成本，其中不仅包括存储成本，但也由于错过的成本。事实上，高速缓存未命中率的小变化可能对现代web服务中的用户感知性能具有显著影响，这进而对使用这些服务的内容提供方的总体收入具有影响。我们提出并研究了一个动态的TTL缓存算法，这是能够获得接近最小的成本。由于高吞吐量的高速缓存需要低复杂度的操作，我们讨论了这样一个计划的实际实现，需要恒定的开销，每个请求独立于高速缓存的大小。我们使用从Akamai收集的真实跟踪来评估我们的解决方案，结果表明，与基准静态配置相比，我们能够将总体成本降低17%。
2018-02-13 cs.DC
Unleashing the Power of Tree-of-Thoughts for Edge-Enabled AIGC Service Provisioning
Xiamen University（厦门大学）；The Chinese University of Hong Kong（香港中文大学）；Nanyang Technological University（南洋理工大学）
本文研究了利用树状思维提示的移动边缘计算增强的AIGC服务 provisioning，通过建立DAG模型和提出DSAC算法来优化生成延迟和质量约束。
2026-05-18 cs.DC
SLA-Oriented Resource Provisioning for Cloud Computing: Challenges, Architecture, and Solutions
云计算系统承诺为全球用户提供面向订阅的企业级计算服务。随着向大量用户提供服务的需求增加，他们需要为用户提供差异化服务，并满足他们的质量期望。数据中心中现有的资源管理系统尚未支持面向服务水平协议（SLA）的资源分配，并且因此需要增强以实现云计算和效用计算。此外，还没有完成将客户驱动的服务管理、计算风险管理和自主资源管理共同合并到基于市场的资源管理系统中以瞄准云计算的快速变化的企业需求的工作。本文介绍了面向SLA的资源管理的愿景、挑战和架构元素。建议的架构支持基于市场的配置策略和虚拟化技术的集成，以灵活地将资源分配给应用程序。从我们的工作原型系统的性能结果表明，在云中基于SLA的资源提供的可行性和有效性。
2012-01-22 cs.DC cs.NI
A Software-Defined Approach for QoS Control in High-Performance Computing Storage Systems
鉴于数据驱动的发现范式转变，高性能计算（HPC）存储系统对科学应用变得越来越重要。作为大规模HPC系统的存储解决方案，数十个应用程序共享同一个存储系统，并且会相互竞争和干扰。应用程序干扰会显著降低存储系统的整体性能。因此，开发一个灵活有效的存储解决方案，以确保每个应用程序的资源，即服务质量（QoS）的支持，是至关重要的。实现存储系统QoS保证的常用解决方案之一是使用预配置技术\cite{3}。资源调配是指为应用程序和预期工作负载提供一定数量资源的能力。但是，配置有一些限制，例如需要详细了解预期的工作负载。此外，存储工作负载是暂时的，因此要满足这些要求成本很高。由于这些限制，通过资源调配来提供QoS存储系统具有挑战性。在本研究中，一个软件定义的方法~ \cite{0}提出了一个灵活的解决方案，以实现存储系统的QoS保证。使用软件定义的方法而不是传统方法的驱动力在于它能够实现更灵活，可扩展和高效的平台。例如，如果系统中发生任何更改，则不一定需要重新配置数千个设备;相反，通过重新配置逻辑上集中的组件，将自动通知其他设备。
2018-05-16 cs.DC
M2: Malleable Metal as a Service
现有的为用户提供物理节点的裸机云服务与其虚拟替代品相比具有许多严重的缺点，包括缓慢的配置时间，用户难以释放节点然后重用它们来处理需求变化，以及对故障的容忍度差。我们引入了M2，这是一种使用网络安装的引导驱动器来克服这些缺点的裸机云服务。我们描述了M2的架构和实现，并将其灵活性，可扩展性和性能与现有系统进行比较。我们表明，M2可以减少超过50%的配置时间，同时提供更丰富的功能，以及与将映像配置到本地磁盘的工具相当的运行时性能。M2是开源的，可在https://github.com/CCI-MOC/ims上获得。
2018-01-02 cs.DC
Performance-oriented Cloud Provisioning: Taxonomy and Survey
云计算被视为当今和未来的技术。通过这种模式，客户可以访问位于云提供商（CP）托管的远程数据中心中的共享计算资源。该技术允许根据客户的需求提供各种资源，例如虚拟机（VM）、物理机、处理器、内存、网络、存储和软件。作为CP客户的应用程序提供商（AP）在云基础设施上部署应用程序，然后这些应用程序由最终用户使用。为了满足波动的应用程序工作负载需求，动态配置是必不可少的，本文提供了一个详细的文献调查动态配置在云系统中，重点是应用程序的性能。众所周知的类型的供应和相关的问题是清楚和形象地解释和供应术语澄清。提供了一个非常详细和通用的云供应分类，它从不同的角度查看供应，有助于从内到外理解过程。通过考虑资源，利益相关者，技术，技术，算法，问题，目标等来解释云动态配置。
2014-11-19 cs.DC
Towards Autonomic Service Provisioning Systems
本文讨论了我们的经验，在建设SPIRE，一个自治系统的服务提供。该体系结构由一组受QoS约束的托管Web服务和一定数量的用于运行基于会话的流量的服务器组成。客户为运行其作业付费，但反过来又需要某些质量保证：有不同的SLA指定运行作业的费用和未能达到承诺的性能指标的惩罚。该系统由效用函数驱动，旨在优化单位时间的平均收入。收集需求和性能统计数据，同时估计流量参数，以便做出有关服务器分配和准入控制的动态决策。介绍了不同的效用函数，并讨论了一些旨在测试其性能的实验。结果表明，收入可以显着提高，通过施加适当的条件接受传入的流量，所提出的系统表现良好，在不同的流量设置，它成功地适应了操作环境的变化。
2011-02-17 cs.DC cs.PF
Resource Allocation and Service Provisioning in Multi-Agent Cloud Robotics: A Comprehensive Survey
Swinburne University of Technology（斯威本科技大学）；CSIRO（澳大利亚联邦科学与工业研究组织）；Engineering Institute of Technology (EIT)（工程技术学院）；South China University of Technology（华南理工大学）；University of Manitoba（曼尼托巴大学）
如今，机器人应用被广泛采用，以增强现实世界网络物理系统（CPS）的操作自动化和性能，包括工业4.0，农业，医疗保健和灾难管理。这些应用程序由延迟敏感、数据量大和计算密集型任务组成。然而，机器人在计算能力和存储容量方面受到限制。多智能体云机器人的概念使机器人之间能够进行协作，并为机器人执行大规模应用程序创造了一个互补的环境，能够利用边缘和云资源。然而，在这样的协作环境中，机器人任务的最优资源分配是具有挑战性的实现。与机器人和计算实例相关的异构能耗率和执行成本的应用使其变得更加复杂。此外，本地机器人、边缘节点和云数据中心之间的数据传输延迟会对实时交互产生不利影响，并阻碍服务性能保证。考虑到所有这些问题，本文全面调查的最先进的资源分配和服务提供的多智能体云机器人。本文通过与当代计算范式的明确比较，提出了多智能体云机器人的应用领域，并确定了具体的研究挑战。第一次提出了一个完整的分类资源分配，连同讨论的资源池，计算卸载，和任务调度的有效服务提供。此外，我们强调了从经验教训中得出的研究差距，并提出了有利于进一步推进这一新兴领域的未来方向。
2021-04-29 cs.DC cs.RO
Collaborative Resource Management and Workloads Scheduling in Cloud-Assisted Mobile Edge Computing across Timescales
针对边缘资源受限下的物联网服务托管与任务调度问题，提出跨时间尺度的RMWS框架，结合Gibbs采样、交替最小化和次梯度下降算法联合优化服务放置、资源供应与工作负载调度，实现至少10%的性能提升。
2024-05-31 cs.DC
Resource Provisioning and Scheduling Algorithm for Meeting Cost and Deadline-Constraints of Scientific Workflows in IaaS Clouds
云计算的基础设施即服务模型是执行成本和期限约束的工作流应用的理想平台，因为云计算的弹性允许大规模复杂的科学工作流应用根据其期限要求动态地扩展。然而，在分布式计算环境中，这些多任务工作流作业的调度是一个计算困难的多目标组合优化问题。关键的挑战是调度工作流任务，同时满足用户的服务质量服务质量（QoS）的要求和应用程序的最后期限。现有的研究工作不仅未能解决这一挑战，而且没有纳入云环境中计算资源的弹性和异构性的基本原则。在本文中，我们提出了一个资源供应和调度算法调度IaaS云上的工作流应用程序，以满足应用程序的最后期限约束，同时优化执行成本。该算法是基于自然启发的人口智能水滴（IWD）优化算法。在CloudSim仿真环境下对4个实际工作流应用的实验结果表明，IWD算法能够在指定的截止期限内以最优的代价调度工作流任务。此外，IWD算法收敛速度快，接近最优解。
2018-06-06 cs.DC
Aneka Cloud Application Platform and Its Integration with Windows Azure
Aneka是用于云计算的应用程序平台即服务（Aneka PaaS）。它充当构建定制应用程序并将其部署在公共云或私有云上的框架。Aneka的主要功能之一是支持在不同的公共云提供商（如Amazon EC2，Windows Azure和GoGrid）上配置资源。在本章中，我们将介绍Aneka平台及其与公共云基础设施之一Windows Azure的集成，该集成支持将Windows Azure计算服务用作Aneka PaaS的资源提供者。这两个平台的集成将允许用户利用Windows Azure Platform for Aneka云计算的强大功能，采用大量计算实例并行运行其应用程序。此外，Windows Azure平台的客户可以从与Aneka PaaS的集成中受益，通过采用Aneka在多个编程模型，调度和管理服务，应用程序执行服务，会计和定价服务以及动态配置服务方面的高级功能。最后，除了Windows Azure平台之外，我们还将在本章中说明Aneka PaaS与其他公共云平台（如Amazon EC2和GoGrid）以及虚拟机管理平台（如Xen Server）的集成。在Windows Azure上提供资源的新支持再次证明了Aneka的适应性，可扩展性和灵活性。
2011-03-14 cs.DC
FaaSNet: Scalable and Fast Provisioning of Custom Serverless Container Runtimes at Alibaba Cloud Function Compute
无服务器计算或功能即服务（FaaS）通过允许用户部署细粒度功能，同时提供完全托管的资源配置和自动扩展，实现了构建和扩展应用程序的新方式。自定义FaaS容器支持越来越受欢迎，因为它可以更好地控制操作系统、版本控制和工具，以实现FaaS应用程序的现代化。然而，提供快速的容器供应给FaaS提供商带来了不小的挑战，因为容器供应成本很高，而且现实世界的FaaS工作负载呈现出高度动态的模式。在本文中，我们设计FaaSNet，一个高度可扩展的中间件系统，用于加速FaaS容器配置。FaaSNet由全球最大的云提供商之一阿里云功能计算的FaaS平台的工作负载和基础设施需求驱动。FaaSNet通过轻量级的自适应功能树（FT）结构实现可扩展的容器配置。FaaSNet使用I/O高效的按需获取机制，进一步降低大规模配置成本。我们在阿里云函数计算中实现并集成了FaaSNet。测试结果表明，FaaSNet：（1）在8.3秒内完成在1000台虚拟机上配置2500个函数容器;（2）扩展速度分别比阿里云当前的FaaS平台和最先进的P2P容器注册中心（Kraken）快13.4倍和16.3倍;（3）在承受突发工作负载时，所用时间比优化基准少75.2%。
2021-07-15 cs.DC
PhoenixCloud: Provisioning Resources for Heterogeneous Workloads in Cloud Computing
随着越来越多的服务提供商选择由第三方资源提供商提供的云平台，资源提供商需要为不同云场景下的异构工作负载提供资源。考虑到异构工作负载的巨大差异，我们是否可以在云计算中为异构工作负载协调调配资源？在本文中，我们专注于这个重要的问题，这是由以前的一些工作。我们的贡献有三个方面：（1）分别提出了两种典型云场景下的异构工作负载协同资源配置方案：第一种是大型组织为两个异构工作负载运行私有云;第二种是大型组织或两个服务提供商运行异构工作负载恢复到公有云;（2）我们构建了一个敏捷系统PhoenixCloud，使资源提供商能够在异构工作负载整合到云站点时，根据需要创建协调的运行时环境;（3）在实验中进行了综合评价。对于两种典型的异构负载跟踪：并行批处理作业和Web服务，实验表明：a）在私有云场景下，当吞吐量与专用集群系统的吞吐量基本相同时，我们的解决方案使集群的配置规模减少了约40%; b）在公共云场景中，我们的解决方案不仅减少了总资源消耗，而且峰值资源消耗最大为EC2 +RightScale方案的31%。
2010-07-20 cs.DC
CASPER: Carbon-Aware Scheduling and Provisioning for Distributed Web Services
本文提出碳感知调度与供给系统CASPER，通过构建多目标优化问题，在兼顾网络延迟约束与服务等级目标的前提下，利用分布式负载均衡跨区域迁移负载以利用低碳能源，使分布式Web服务碳排放减少高达70%且无延迟下降。
2024-03-21 cs.DC cs.NI cs.PF
Availability Modeling for Blockchain Provisioning in Private Clouds
本文针对私有云中基于 Hyperledger Fabric 的区块链基础设施提出可用性分析模型，并通过案例研究发现背书策略会导致添加节点反而降低总体可用性，为技术迁移决策提供依据。
2025-03-10 cs.DC
The Open Cloud Testbed: A Wide Area Testbed for Cloud Computing Utilizing High Performance Network Services
最近，已经开发了许多用于数据密集型计算的云平台和服务，包括Hadoop，Sector，CloudStore（以前的KFS），HBase和Thrift。为了对这些系统的性能进行基准测试，研究它们的互操作性，并基于灵活的计算节点和网络配置功能试验新服务，我们设计并实现了一个名为开放云测试床（OCT）的大规模测试床。目前，OCT在四个数据中心拥有120个节点：巴尔的摩、芝加哥（两个地点）和圣地亚哥。与其他云测试平台相比，这些云测试平台位于较小的地理区域，并且基于商品互联网服务，OCT是一个广域测试平台，四个数据中心与基于专用光路基础的高性能10 Gb/s网络连接。该测试平台可以满足对其他类型的分布式基础设施提出挑战的超大数据流的要求。我们还开发了几个实用程序来支持云计算系统和服务的开发，包括新型节点和网络供应服务、监控系统和RPC系统。在本文中，我们描述了OCT的架构和监控系统。我们还描述了一些基准，我们开发和一些互操作性的研究，我们使用这些基准进行。
2009-07-28 cs.DC
PhoenixCloud: Provisioning Resources for Heterogeneous Cloud Workloads
随着越来越多的服务提供商选择云平台，资源提供商需要为不同场景下的异构工作负载提供资源和支持运行时环境（RE）。以前的工作未能解决这个问题，在几个方面：（1）它没有注意到不同的RE要求，并没有使创建协调的RE的需求;（2）很少的工作调查协调的资源供应异构的工作负载。在本文中，我们的贡献有三个方面：（1）我们提出了一个表达不同RE需求的RE协议，并构建了一个创新的系统PhoenixCloud，使资源提供商能够根据RE协议按需创建RE;（2）我们提出了两个协调的资源提供解决方案，用于两个典型的云场景中的异构工作负载：首先，大型组织为两个异构工作负载运行私有云;其次，运行异构工作负载的大型组织或两个服务提供商恢复到公共云;以及（3）在实验中进行了全面评估。对于并行批处理作业和Web服务的典型负载跟踪，我们的实验表明：a）在第一个云场景中，当吞吐量与专用集群系统的吞吐量基本相同时，我们的解决方案将集群的配置大小减少了约40%; b）在第二种情况下，我们的解决方案不仅减少了总资源消耗，而且峰值资源消耗最大为EC2 + RightScale方案的31%。
2010-03-31 cs.DC cs.PF
Provisioning Spot Market Cloud Resources to Create Cost-effective Virtual Clusters
云计算结构即服务提供商正在以可变价格的虚拟机（VM）的形式提供其未使用的资源，称为“现货实例”，其价格明显低于其标准固定价格的资源。要租赁现货实例，用户指定他们愿意每小时支付的最高价格，并且仅当当前价格低于用户出价时，虚拟机才会运行。本文提出了一种资源分配策略，解决了在仅由spot实例组成的池上运行有期限限制的计算密集型作业的问题，同时利用价格和性能的变化以快速和经济的方式运行应用程序。我们的策略依赖于作业运行时估计来决定运行每个作业的最佳VM类型以及作业应该何时运行。几种估计方法进行了评估和比较，使用基于跟踪的模拟，它采取从亚马逊网络服务获得的实际价格变化跟踪作为输入，以及从并行计算存档的应用程序跟踪。结果证明了在现场实例上运行计算作业的有效性，其价格通常是固定价格资源的一小部分（最多低60%）。
2011-10-27 cs.DC
Autonomic Cloud Computing: Open Challenges and Architectural Elements
由于云是复杂的、大规模的、异构的分布式系统，其资源的管理是一项具有挑战性的任务。他们需要自动化和集成的智能策略来配置资源，以提供安全、可靠和经济高效的服务。因此，服务的有效管理成为构成计算云结构的软件平台的基础。在这个方向上，本文确定了自主资源配置的开放问题，并提出了创新的管理技术，支持SaaS应用程序托管在云。我们提出了一个概念性的架构和早期的结果证明了云的自主管理的好处。
2012-09-15 cs.DC
Multi-Cloud Resource Provisioning with Aneka: A Unified and Integrated Utilisation of Microsoft Azure and Amazon EC2 Instances
许多供应商通过云计算结构即服务（IaaS）模型在订阅的基础上提供计算服务。用户可以从不同的提供商获取资源，并充分利用每个提供商来运行应用程序。然而，在多云环境中部署应用程序是一项复杂的任务。因此，需要应用程序平台来帮助开发人员取得成功。Aneka就是这样一个平台，它支持开发人员在多云环境中编程和部署分布式应用程序。它可用于从不同的云提供商提供资源，并可根据特定应用程序的需求进行配置以动态请求资源。本文介绍了在Aneka中集成的扩展，以支持在多云环境中部署应用程序。第一个扩展展示了Aneka架构添加云提供商的灵活性。具体来说，我们描述了Microsoft Azure IaaS云提供商的添加。我们还讨论了包含公共IP来通信位于不同网络中的资源，以及使用PowerShell在远程资源上自动安装Aneka的功能。我们演示了由独立任务组成的应用程序如何在Aneka使用Azure和EC2提供的资源创建的多云环境中部署时提高其总执行时间。
2015-11-28 cs.DC
Managing Cloud networking costs for data-intensive applications by provisioning dedicated network links
许多科学高吞吐量应用程序可以从云资源的弹性中受益，特别是在需要缩短完成时间时。成本考虑通常是此类努力的主要问题，网络通常是主要组成部分;对于数据密集型应用程序，出口网络成本可能超过计算成本。专用网络链路提供了一种降低网络成本的方法，但它们确实增加了复杂性。在本文中，我们描述了一个支持IceCube生产计算的100 fp 32 PFLOPS云突发，该云突发使用Internet 2 Cloud Connect服务从三个主要云提供商（即Amazon Web Services，Microsoft Azure和Google Cloud Platform）提供多个逻辑专用网络链路，这些链路总计实现了约100 Gbps的本地存储出口能力。它提供了有关配置过程的技术细节，这种设置的优点和限制以及所产生成本的分析。
2021-04-14 cs.DC cs.NI
On-Demand Grid Provisioning Using Cloud Infrastructures and Related Virtualization Tools: A Survey and Taxonomy
最近的研究表明，网格资源可以由客户端按需访问，在云虚拟化技术的帮助下。由管理程序托管的虚拟机被用来在云环境中构建网格网络。本研究的目的是调查的一些概念，用于按需网格供应使用基础设施作为服务云及其相关组件的分类。本文讨论了使用基础设施云的按需网格的不同方法，它试图解决的问题和实现工具。提出了一种扩展的网格虚拟化技术分类方法，并根据网格资源的体系结构、通信流程和用户需求，提出了一种新的网格云集成分类方法。本文提出的调查、工具和分类将有助于指导未来的体系结构设计，以供进一步研究。
2014-02-04 cs.DC
LIBRA: An Economical Hybrid Approach for Cloud Applications with Strict SLAs
功能即服务（FaaS）最近出现，与云结构即服务（IaaS）相比，它可以降低运行云应用程序的部署成本。FaaS遵循无服务器的“即用即付”计算模型;它的每单位执行时间成本较高，但通常应用程序功能的配置时间较短（启动延迟）。IaaS需要配置虚拟机，而虚拟机通常会遭受更长的冷启动延迟，从而导致更高的排队延迟和更高的请求丢弃率。我们提出了LIBRA，这是一种平衡（混合）方法，它利用基于VM的资源和无服务器资源来有效地管理应用程序的云资源。LIBRA密切监控应用程序需求，并提供适当的VM和无服务器资源，以最大限度地降低运行成本并满足服务级别协议。与最新技术不同，LIBRA不仅隐藏了VM冷启动延迟，从而通过利用无服务器减少了响应时间，而且还将低速率突发部分的需求定向到无服务器，这样做比启动新VM的成本更低。我们在模拟环境中以及AWS商业云上对LIBRA进行了真实跟踪评估。我们的研究结果表明，LIBRA优于其他资源配置政策，包括最近的混合方法- LIBRA实现了85%以上的SLA违规减少和高达53%的成本节约。
2021-04-12 cs.DC
Resource provisioning in Science Clouds: Requirements and challenges
云计算在过去的几年里已经渗透到信息技术行业，并且它现在正在科学环境中出现。科学用户社区需要广泛的计算能力，以满足高性能应用程序的需求，如本地集群，高性能计算系统和计算网格。不同的计算模型需要不同的工作负载，而云计算已经被认为是一个有前途的范例。在任何形式的计算中，资源的调度和分配总是一个具有挑战性的问题，云也不例外。科学应用程序具有独特的功能，可以区分其工作负载，因此，在构建科学云时必须考虑到它们的要求。本文将讨论支持科学应用的基础设施即服务提供商面临的主要调度和资源分配挑战。
2017-09-25 cs.DC
Prediction-driven resource provisioning for serverless container runtimes
针对 FaaS 中动态请求、SLO 约束与容器供给成本问题，本文提出 SLOPE 预测框架，结合神经网络与图编辑距离估计所需实例，平均降低运营成本 66.25%。
2024-10-09 cs.DC
IOArbiter: Dynamic Provisioning of Backend Block Storage in the Cloud
随着虚拟化技术的出现，云计算实现了按需计算。动态资源配置能力是用户采用云技术的基本驱动因素。对于云服务提供商来说，这一点也很重要，可以优化运行基础设施的费用。尽管在相关领域取得了许多技术进步，但是，基础设施提供商仍然必须在部署云基础设施之前决定硬件配置，特别是从存储的角度来看。存储资源调配实践的这种静态性质可能会在满足租户需求方面导致许多问题，这些问题通常会在稍后出现。在本文中，我们提出了一个名为IOArbiter的系统，可以在云中动态创建底层存储实现。IOArbiter将存储配置推迟到租户实际请求存储空间的时间。因此，底层存储实现，例如，RAID-5、6或具有6+3擦除编码的Ceph存储池将在卷创建时实现。使用我们的原型实现与Openstack煤渣，我们表明，IOArbiter可以同时满足一些不同的租户的需求，这可能是不可能的静态配置策略。此外，QoS机制，如准入控制和动态节流帮助系统减轻噪音的邻居问题显着。
2019-04-23 cs.DC cs.OS
An IoT Platform-as-a-service for NFV Based -- Hybrid Cloud / Fog Systems
云计算尽管具有固有的优点（例如，资源效率）仍然面临若干挑战。用于将云连接到最终用户的广域网可能导致高延迟，这对于某些应用（尤其是物联网（IoT应用））可能是不可容忍的。雾计算可以通过将传统的云架构扩展到网络边缘，并在雾节点上部署一些应用程序组件来减少这种延迟。应用程序提供商使用平台即服务（PaaS）来提供（即，开发、部署、管理和协调）云中的应用程序。然而，现有的PaaS解决方案（包括物联网PaaS）通常专注于云计算，并且无法提供具有跨云和雾组件的应用程序。提供这样的应用需要现有PaaS中不存在的新功能，例如应用图生成。此外，现有PaaS提供的几个功能（例如，发布/发现）需要被显著地扩展以便适应混合云/雾环境。在本文中，我们提出了一种新的架构PaaS混合云/雾系统。它是物联网用例驱动的，其应用程序的组件被实现为虚拟网络功能（VNF），其执行序列被建模为具有子结构（如选择和循环）的图形。它通过跨云和雾的组件自动配置应用程序。此外，它还可以发现现有的云和雾节点，并生成应用程序图。概念验证基于Cloudify开源构建。当PaaS模块和应用程序组件放置在不同地理位置的云和雾中时，通过评估其性能来证明可行性。
2020-01-17 cs.DC cs.SE
Automated Cloud Provisioning on AWS using Deep Reinforcement Learning
Synaptiq, LLC（Synaptiq有限责任公司）；BlackSky（BlackSky公司）
随着云计算的使用不断增加，控制成本变得越来越重要。然而，有证据表明，30%-45%的云支出被浪费了。现有的云供应工具通常依赖于训练有素的人类专家来指定要监控的内容、触发动作的阈值和动作。在本文中，我们将探索使用强化学习（RL）来获取平衡性能和支出的策略，允许人们指定他们想要什么，而不是如何去做，从而最大限度地减少对云专业知识的需求。使用CloudSim模拟器进行表格式、深度和决斗式双深度Q学习的实证结果显示了RL的实用性和这些方法的相对优点。我们还演示了有效的策略迁移学习，从一个非常简单的模拟器到CloudSim，下一步是从CloudSim迁移到Amazon Web Services物理环境。
2017-09-19 cs.AI cs.DC cs.LG
Leveraging Semantic Web Technologies for Managing Resources in a Multi-Domain Infrastructure-as-a-Service Environment
本文报告了使用语义支持的网络资源模型来构建一个可操作的多域网络基础设施即服务（NIaaS）测试平台ExoGENI的经验，该平台最近通过NSF的GENI项目获得资助。NIaaS的一个定义属性是网络配置功能与更常见的存储和计算配置功能的深度集成。资源提供商拓扑和用户请求可以使用网络资源模型来描述，该网络资源模型具有用于经由虚拟化和网络层之间的适配而专用于特定技术的基本网络资源（链路、节点、接口）的公共基类。这个问题空间产生了一些应用领域，语义Web技术变得非常有用-公共信息模型和资源类层次结构简化了多个提供者的资源描述，寻路和拓扑嵌入算法依赖于查询抽象作为构建块。本文介绍了如何语义资源描述模型使ExoGENI自主实例化的虚拟机的按需虚拟拓扑从云提供商提供，并通过按需虚拟连接从多个自治网络提供商获得的各种应用程序，从分布式系统实验高性能计算。
2014-03-04 cs.DC cs.NI
Links as a Service (LaaS): Feeling Alone in the Shared Cloud
共享云最苛刻的租户需要与其邻居完全隔离，以保证其应用程序性能不受其他租户的影响。不幸的是，虽然共享云可以提供租户获得专用服务器的选项，但它们不提供任何网络供应服务，这将使这些租户免受网络干扰。在本文中，我们将介绍链接即服务，这是一种新的云服务抽象，可提供网络链接的物理隔离。每个租户都获得一组专有的链接，形成一个虚拟胖树，并保证获得完全相同的带宽和延迟，就像它单独在共享云中一样。在简单的假设下，我们推导出了在胖树中实现LaaS而不存在容量过度配置的理论条件。只有当新租户可以被分配维持这些条件的主机和链路时，它们才被允许进入网络。通过对真实集群的实验以及对真实租户大小的模拟，我们证明了LaaS完全避免了共享链路上并发租户的流量造成的性能下降。与单纯的主机隔离相比，LaaS可以将应用程序性能提高高达200%，但代价是云利用率降低10%。
2016-01-08 cs.DC cs.NI
Application of Selective Algorithm for Effective Resource Provisioning in Cloud Computing Environment
现代对IT部门中的资源饥渴服务和应用的持续需求导致了云计算的发展。云计算环境一方面涉及高成本的基础设施，另一方面需要高规模的计算资源。这些资源需要以最有效的方式提供（分配和调度）给最终用户，以便有效和高效地利用云的巨大功能。在本文中，我们讨论了一个选择性的算法分配云资源的最终用户按需的基础上。该算法基于min-min和max-min算法。这是两种传统的任务调度算法。选择性算法使用某些算法在两种算法之间进行选择，以使机器上任务的总完工时间最小化。任务以空间共享或时间共享的方式在机器上调度。我们使用一个名为CloudSim的云模拟器来评估我们的配置策略。我们还比较了我们的方法时，获得的资源配置的统计数据进行了先加先服务（FCFS）的方式。实验结果表明，在不同的情况下，给定的虚拟机集上的任务的总完工时间显着最小化。
2014-03-12 cs.DC cs.NI
Mobility driven Cloud-Fog-Edge Framework for Location-aware Services: A Comprehensive Review
随着物联网设备、智能手机的普及和位置跟踪技术的改进，产生了大量异构的地理标记（位置特定）数据，这促进了几种位置感知服务。这种时空（具有位置和时间维度）数据集的分析提供了各种重要服务，例如智能交通，紧急服务（医疗保健，国防或城市规划）。虽然云模式适合存储和计算能力，但主要瓶颈是网络连接丢失。在时间关键型应用中，紧急服务提供需要实时响应，这样的连接问题增加了延迟，从而影响系统的整体质量（QoS）。为了克服这个问题，出现了雾/边缘拓扑，其中在网络的边缘执行部分计算以减少通信延迟。这种基于雾/边缘的系统补充了云技术并扩展了系统的功能。本章讨论了基于云-雾-边缘的层次化协同框架，其中部署了多个组件来提高QoS。另一边移动性是增强这种位置感知服务供应的功效的另一个关键因素。因此，本章讨论了与移动驱动的基于云雾边缘的框架相关的问题和挑战，以有效地为最终用户提供多种位置感知服务。
2021-12-17 cs.DC cs.NI eess.SP
